Jev + Aside 지금 당장 시작해야 하는 이유!

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

Jev + Aside를 지금 시작해 볼 이유는 개인 맥락을 활용한 이메일 우선순위 선정부터 모델 선택까지, AI의 판단 기능을 실제 작업에 붙여 시험할 수 있기 때문이다.

📌 핵심 요점

1. Jev는 대화문을 생성하는 모델이 아니라 선택과 판단을 담당하는 도구로 소개된다. 에이전트가 정보를 수집하고 설명을 작성하는 과정에 판단 기능을 결합하는 방식이다.
2. 발표자는 Aside에 대기열 신청, 설치, 문서 확인, 스킬과 API 연결을 요청했다. 영상 당시 API는 대기열을 거쳐 발급받는 구조였다.
3. 이메일 사례에서는 긴급하게 회신해야 할 항목 다섯 개를 골랐다. 발표자는 잊고 있던 협업·계약 관련 메일을 발견해 회신했다고 설명한다.
4. 투자 봇 사례에서는 계좌 현금과 종목 비중 등의 맥락을 바탕으로 삼성전자·하이닉스 추가 매수 여부를 판단했다. 실제 주문은 실행하지 않았으며, 투자 성과를 검증한 사례도 아니다.
5. 수능 수학 예측 실험에는 작업에 맞는 모델을 고르는 개발 중 라우터가 사용됐다. 보고서와 예상 문제는 생성됐지만 출제 예측력과 라우터의 안정성은 추가 검증이 필요하다.

🧩 배경과 문제 정의

발표자는 Jev에 대한 관심이 높아진 상황에서 무엇인지 아는 것과 실제로 사용하는 것 사이의 간극을 다룬다. API를 받은 뒤 약 3일 동안 사용한 경험을 바탕으로, Aside에 연결하는 방법과 이메일·투자·수능 예측 사례를 소개한다.

문제의 중심은 복잡한 정보 속에서 무엇을 먼저 처리하고 어떤 선택을 할 것인가다. 영상은 언어 모델이 정보를 수집하고 맥락을 구성하면 Jev가 선택을 담당하는 구조를 제시한다. 다만 공개된 내용은 개인 사용 경험과 개발 중인 실험이며, 성능을 체계적으로 비교한 검증 자료는 아니다.

🕒 시간순 섹션별 상세정리

1. 활용 사례 예고와 영상의 목적

• 도입부에서 수능 수학 예측, 이메일 긴급도 분류, 삼성전자 추가 매수 판단을 짧게 보여 주고 API가 대기열 방식으로 제공된다고 보여준다. [00:43]
• 발표자는 약 3일간 사용한 경험을 토대로 API 발급과 실제 활용 방법을 전달하겠다고 드러낸다. [01:32]

2. Jev의 역할과 선택 도구라는 설명

• 개발사 사이트의 대기열을 소개하고, Jev는 말을 생성하기보다 선택을 수행하는 도구라고 보여준다. 약 200배의 속도와 400배의 가격 차이는 홍보 내용으로 전달한다. [02:36]
• 에이전트 사이의 복잡한 상황을 정리하거나 개인 맥락에 맞춰 할 일의 우선순위를 정하는 용도를 제안한다. [03:39]

3. Aside를 통한 대기열 신청과 발급 경험

• 발표자는 Aside에 Jev를 사용하고 싶으니 신청해 달라고 요청했으며, 더 빨리 받을 수 있는 경로도 찾아 달라고 했다고 보여준다. [04:45]
• Aside가 대기열 등록 후 Discord에서 요청했다고 보여준다. 이후 초대 메일을 받았으며 요청과 수신 시각을 밤 9시 반과 다음 날 아침 8시 반으로 제시한다. [05:25]

4. 계정 생성과 문서 확인 위임

• 계정 생성 화면과 타입세이프 AI를 소개하고, Aside에 설치와 API 발급을 맡겼다고 보여준다. 발급받은 API는 Aside와 개발 중인 모델 라우터 등에 사용한다. [06:24]
• 사용 문서를 에이전트가 이해하는 편이 효율적이라고 보고, Aside에 문서를 읽고 사용법을 파악하도록 요청한다. [06:51]

5. 스킬 연결과 개인 맥락 활용 구상

• Aside 안에서 Jev를 활용하도록 스킬 설치를 요청했고, Aside가 API를 가져와 연결했다고 보여준다. [07:46]
• 브라우저에서 얻는 정보와 개인 맥락을 바탕으로 우선순위 판단에 도움을 받을 수 있다고 생각해, 긴급 회신 항목 다섯 개를 찾는 실험을 시작한다. [08:44]

6. 이메일 긴급도 분류 결과

• Jev는 채팅 모델 목록에 추가하는 방식이 아니라 스킬과 API로 연결했다고 설명하고, 이메일 다섯 개를 응답 긴급성 순으로 분류하도록 요청한다. [09:16]
• 발표자는 잊고 있던 긴급 메일과 협업·계약 관련 내용을 찾아 실제로 회신했다며, 이 사례에서 효용을 체감했다고 드러낸다. [09:59]

7. 투자 봇의 추가 매수 판단

• 별도의 투자 봇에도 API를 연결하고, 주식시장 정리와 삼성전자·하이닉스 추가 매수 결정을 요청한다. 판단에 필요한 데이터는 언어 모델이 먼저 가져오는 구조라고 보여준다. [10:48]
• 결과는 삼성전자는 현금 유입 후 조정 시 재검토, 하이닉스는 추가 매수하지 않는 방향이다. 현금 부족과 보유 비중 등을 근거로 제시하며 주문은 실행하지 않는다. [12:04]

8. 에이전트 의사결정에 대한 해석

• 사용자에게 보이는 응답은 언어 모델이 작성하고, Jev는 그 앞단에서 판단과 선택을 수행한다고 구분한다. [12:14]
• 발표자는 수학적 표현을 활용한 의사소통이 에이전트의 엉뚱한 선택을 줄이고 결과 품질을 높일 가능성이 있다는 개인적 견해를 제시한다. [13:04]

9. 수능 예측 요청과 모델 라우터 시연

• 수능 기출 파일을 바탕으로 2027학년도 수학을 예측하도록 요청한다. 에이전트는 단원·난이도·출제 패턴을 추출하고 결과 파일을 저장하겠다고 응답한다. [13:32]
• 개발 중인 Jev 라우터가 작업별 모델을 고르는 모습을 소개하며, 입력에 사용한 모델과 보고서 작성에 선택된 모델이 달라질 수 있다고 보여준다. [14:47]

10. 라우터의 개발 상태와 확장 목표

• 작업 난이도에 따라 모델을 선택하는 라우터를 만들고 있지만 반복 테스트가 필요하며 완성된 도구는 아니라고 드러낸다. GitHub를 통한 공동 개발 가능성도 언급한다. [15:22]
• 약 70개 모델 중 프롬프트마다 적절한 모델을 고르는 것이 목표지만 구현에 어려움이 있어 연구 중이라고 보여준다. [16:09]

11. 예측 보고서와 예상 문제 확인

• 생성된 Markdown 보고서를 Obsidian에서 열어 확인한다. 보고서는 메타데이터를 분석했으며 실제 출제를 보장하지 않는다고 명시한다. [16:48]
• 공통과목과 선택과목의 예상 유형, 자체 제작 예상 문제 열 개를 소개하고 공유 링크를 제공하겠다고 드러낸다. [18:14]

12. 사후 검증 약속과 마무리

• 수능이 끝난 뒤 예측이 얼마나 맞았는지 확인하고, 이를 분석하는 영상을 만들겠다고 약속한다. [18:33]
• 설치와 활용 사례를 중심으로 영상을 정리하고, 추가 사용법 연구와 커뮤니티 공유를 예고한 뒤 마친다. [19:32]

🧾 결론

• 영상의 핵심은 Jev의 이론적 설명보다 Aside에 연결하고 실제 업무에 적용하는 과정을 보여 주는 데 있다.
• 활용 구조는 에이전트의 정보 수집, Jev의 선택, 언어 모델의 결과 설명으로 구분된다. 따라서 입력 정보의 품질과 개인 맥락이 판단 결과를 평가할 때 중요하다.
• 이메일 분류는 발표자가 직접 효용을 체감한 사례이며, 투자 판단과 수능 예측은 결과의 타당성을 별도로 확인해야 하는 실험이다.
• 발표자는 모델 라우터가 완성되지 않았다고 밝히며 추가 테스트와 공동 개발 가능성을 제안한다.

📈 투자·시사 포인트

• AI 활용 범위가 답변 생성에서 우선순위 선정과 도구·모델 선택으로 확장되는 사례다. 영상이 제시하는 가능성은 에이전트 작업 흐름에 판단 단계를 추가하는 것이다.
• 투자 봇의 판단은 현금 부족, 특정 종목의 높은 비중, 당일 주가 상승이라는 개인 조건에 연결돼 있다. 이를 다른 투자자의 매수·매도 신호로 일반화할 근거는 없다.
• 속도와 비용의 장점이 실제 작업에서도 재현된다면 반복적인 선택 작업에 활용할 여지가 있다. 다만 영상의 수치는 홍보 문구이며 비교 조건과 실측 결과는 제시되지 않는다.
• 모델 라우팅의 실용성은 모델을 선택했다는 사실뿐 아니라 결과 품질, 비용, 처리 시간, 선택 실패를 함께 비교해야 판단할 수 있다.

⚠️ 불확실하거나 확인이 필요한 부분

• 일반적인 LRM보다 약 200배 빠르고 400배 저렴하다는 설명은 발표자가 전달한 홍보 수치다. 비교 대상, 작업 조건, 측정 방식은 영상에서 확인되지 않는다.
• API 발급까지 걸린 시간은 약 10시간 미만이라는 회고와 밤 9시 반부터 다음 날 아침 8시 반까지라는 설명이 일치하지 않는다. Discord 요청이 누구에게나 발급을 앞당기는지도 확인되지 않는다.
• 투자 사례의 확률은 전사에 0.7%, 0.99%, 99% 등이 혼재한다. 확신 점수의 정의도 설명되지 않아 수치를 실제 정답 확률로 해석하기 어렵다.
• 자막 기반 정리: 타임스탬프가 있는 자막을 기준으로 정리했으며, 고유명사·수치·인용은 원문 확인 필요 시 별도 검증한다.
• 영상 속 주장: 발표자의 해석·전망·비교는 확인된 외부 사실이 아니라 영상 속 주장으로 분리해 읽는다.
• 검증 필요: 수치, 기업 실적, 정책·시장 전망은 발행 전 최신 자료로 별도 검증이 필요하다.

✅ 액션 아이템

• 영상에서 소개한 개발사 사이트에서 현재 대기열과 API 발급 절차를 확인한다.
• Aside에 Jev 문서 확인과 스킬·API 연결을 요청한 뒤, 간단한 선택 작업으로 연결 결과를 확인한다.
• 긴급 회신 이메일 다섯 개를 고르는 실험을 수행하고, 직접 정한 우선순위와 비교해 누락과 오분류를 기록한다.
• 투자 판단을 시험한다면 입력한 현금·보유 비중·시세와 출력 근거를 대조하고, 영상처럼 참고용 판단과 주문 실행을 구분한다.

❓ 열린 질문

• Jev를 추가했을 때 기존 에이전트만 사용한 경우보다 선택 정확도와 처리 비용이 얼마나 개선되는가?
• 개인 맥락이 부족하거나 오래된 상태에서도 이메일과 투자 판단의 우선순위가 적절하게 유지되는가?
• 라우터가 작업 난이도와 모델 적합성을 어떤 기준으로 평가하며, 잘못 선택했을 때는 어떻게 복구하는가?